无需电力的光学神经网络：如何让光穿过透镜瞬间完成矩阵乘法

2018年，由Xin Lin和Aydogan Ozcan领导的UCLA团队利用普通塑料3D打印出了一个名为D²NN（衍射深度神经网络）的光学神经网络。它由五个放置在太赫兹光束（0.4太赫兹，波长0.75毫米）中的微结构化塑料板组成。每块板充当一个神经网络层：每个微观像素的厚度决定了相移（权重），板间的衍射实现了全连接，最后的干涉图案将光聚焦到一个10扇区屏幕上进行数字分类。该网络在MNIST数字识别上达到了91.75%的准确率。在运行过程中，不需要电力——只需一个光源。训练是在GPU上通过反向传播进行的，然后将学习到的相位值转换为物理厚度并进行3D打印。该系统是线性的，缺乏如ReLU这样的非线性激活函数；已经探索了各种方法（电光混合、双光子吸收、电磁感应透明、声光效应），但均未达到商业替代的程度。